Python中的pandas库简介及其使用教程
搞点學術的研究生 人气:0pandas模块
pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。
- 便捷的数据处理能力
- 独特的数据结构
- 读取文件方便
- 封装了matplotlib的画图和numpy的计算
Pandas中常见的数据结构有两种：
| Series | DateFrame |
|---|---|
| 类似一维数组的对象， | 类似多维数组/表格数组；每列数据可以是不同的类型；索引包括列索引和行索引。 |
Series
- 构建Series：
ser_obj = pd.Series(range(10)) - 由索引和数据组成（索引在左<自动创建的>，数据在右）。
- 获取数据和索引：
ser_obj.index; ser_obj.values - 预览数据：
ser_obj.head(n);ser_obj.tail(n)
DateFrame
- 获取列数据：
df_obj[col_idx]或df_obj.col_idx - 增加列数据：
df_obj[new_col_idx] = data - 删除列：
del df_obj[col_idx] - 按值排序：
sort_values(by = “label_name”)
常用方法
| Count | 非NA值得数量 |
|---|---|
| describe | 针对Series或各DataFrame列计算汇总统计 |
| min\max | 计算最小值和最大值 |
| argmin\argmax | 计算能够获取到最大值或最小值的索引位置 |
| idxmin\idxmax | 计算能够获取到最小值和最大值的索引值 |
| quantile | 计算样本的分位数（0-1） |
| sum | 值得总和 |
| mean | 值得平均值 |
| median | 值的算术中位数（50%分位数） |
| mad | 根据平均值计算平均绝对离差 |
| var | 样本值得方差 |
| std | 样本值得标准差 |
| skew | 样本值的偏度（三阶距） |
| kurt | 样本值的峰度（四阶距） |
| cumsum | 样本值的累计和 |
| cummin\cummax | 样本值的累计最大值和累计最小值 |
| cumprod | 样本值的累计积 |
| diff | 计算一阶差分（对时间序列很有用） |
| pct_change | 计算百分数变化 |
处理缺失数据
- Dropna()丢弃缺失数据
- Fillna()填充缺失数据
数据过滤
Df[filter_condition]依据filter_condition(条件)对Df(数据)进行过滤。
绘图功能
Plot(kind,x,y,title,figsize) Kind(绘制什么形式的图),x（x轴内容）,y（y轴内容）,title（图标题）,figsize（图大小）
保存图片：plt.savefig()
（"The fool doth think he is wise, but the wise man knows himself to be a fool." --威廉·莎士比亚）
加载全部内容